Setiap alat visualisasi dibuat untuk wilayah kerja yang berbeda, sehingga pilihan alat menentukan seberapa berat pekerjaan berikutnya. Topik ini memetakan alat yang digunakan sepanjang jalur, yaitu matplotlib, seaborn, plotly, plotnine, ggplot2, D3, Tableau, dan Power BI, beserta kategori, bahasa, dan kondisi penggunaannya. Peta ini memberi dasar untuk memilih alat sebelum kode grafik pertama ditulis.
Enam kelompok alat dengan wilayah kerja berbeda#
Alat visualisasi terbagi ke enam kelompok menurut wilayah kerjanya. matplotlib adalah pustaka fondasi Python: setiap elemen gambar diletakkan secara eksplisit, sehingga kendalinya penuh tetapi kodenya lebih panjang. seaborn dibangun di atas matplotlib dan menambahkan lapisan statistik dengan gaya bawaan yang konsisten, sehingga ringkasan statistik selesai dalam beberapa baris. plotly berfokus pada web dan menghasilkan grafik interaktif, yaitu grafik yang dapat dijelajahi dengan kursor, diperbesar, dan disaring, sedangkan Dash menyusun grafik tersebut menjadi aplikasi.
Kelompok berikutnya mengatur cara berpikir, bukan sekadar mesin gambar. ggplot2 di R menerapkan gramatika grafis, yaitu model yang menyusun grafik seperti kalimat dari lapisan data, pemetaan, dan geometri. plotnine membawa model yang sama ke Python. D3 berada di sisi yang berbeda lagi karena ditulis dalam JavaScript dan menyediakan kendali penuh atas dokumen HTML untuk visualisasi web buatan khusus. Terakhir, Tableau dan Power BI adalah alat business intelligence (BI), yakni perangkat lunak siap pakai untuk membangun dasbor organisasi tanpa penulisan kode yang signifikan.
Peta alat beserta posisinya#
Diagram berikut memperlihatkan kedudukan enam kelompok tersebut dalam tiga wilayah kerja, yaitu ekosistem Python, web, dan alat BI.
Tabel berikut merangkum kategori, bahasa, dan waktu paling tepat untuk setiap alat.
| Alat | Kategori | Bahasa | Waktu paling tepat |
|---|---|---|---|
| matplotlib | Pustaka fondasi Python | Python | Kendali penuh atas setiap elemen dan publikasi statis |
| seaborn | Lapisan statistik di atas matplotlib | Python | Ringkasan statistik cepat dengan gaya konsisten |
| plotly | Pustaka interaktif | Python | Grafik web dengan hover, zoom, dan filter |
| plotnine | Gramatika grafis untuk Python | Python | Grafik berlapis dengan mental model gramatika |
| ggplot2 | Gramatika grafis untuk R | R | Rujukan asli gramatika ketika membaca literaturnya |
| D3 | Pustaka JavaScript | JavaScript | Visualisasi web buatan khusus dengan kendali DOM |
| Tableau | Alat BI | Tanpa kode | Dasbor tim analis dengan sumber data umum |
| Power BI | Alat BI | Tanpa kode | Dasbor dalam lingkungan organisasi Microsoft |
Baris matplotlib dan seaborn bertetangga karena keduanya berbagi mesin gambar yang sama, yaitu gambar seaborn pada akhirnya dirender matplotlib. Kolom bahasa menunjukkan bahwa sebagian besar alat di jalur ini berada di Python, sehingga satu lingkungan kerja mencakup hampir semua kebutuhan. Pengecualiannya adalah D3 yang berjalan di JavaScript dan alat BI yang berupa aplikasi tersendiri.
Garis keturunan gramatika grafis#
Gagasan gramatika grafis berasal dari buku The Grammar of Graphics karya Leland Wilkinson. Dalam buku tersebut, grafik dirumuskan sebagai pemetaan dari data ke properti visual melalui lapisan yang berurutan. Hadley Wickham menyempurnakan rumusan itu menjadi gramatika berlapis dan menerapkannya pada ggplot2 di R. Sejak itu gagasan yang sama menyebar ke banyak alat: plotnine menjadi padanan langsung ggplot2 di Python, plotly express menyusun antarmuka dengan gaya yang mirip, dan Vega-Lite membawanya ke format deklaratif berbasis JSON. Karena penguasaan gramatika mudah dipindahkan antaralat, kemahiran pada satu alat keluarga ini mempercepat pembelajaran alat lainnya.
Memilih alat berdasarkan tugas dan audiens#
Pemilihan alat mengikuti tugas analisis dan pembacanya, bukan popularitas. Laporan statis untuk dicetak atau dilampirkan pada dokumen dapat dibangun dengan matplotlib atau seaborn, sedangkan laporan web yang harus menjawab pertanyaan langsung lebih tepat dibangun dengan plotly. Visualisasi buatan khusus dengan tuntutan desain tertentu membutuhkan D3, dan dasbor rutin organisasi lebih tepat dibuat di Tableau atau Power BI karena bentuknya sudah tersedia tanpa penulisan kode.
Posisi pengguna menentukan titik masuk yang paling ringkas. Pemula di Python memulai dari matplotlib karena kelompok Python bertumpuk di atasnya, analis yang menghasilkan ringkasan cepat memilih seaborn, dan pengembang web masuk dari D3. Analis organisasi yang tidak menulis kode bekerja di Tableau atau Power BI, sedangkan pembangun dasbor berbasis Python menggunakan plotly dan Dash.
Kesalahan umum#
Kesalahan pertama adalah memilih alat sebelum tugas dan pembacanya ditetapkan, sehingga pekerjaan berpindah alat di tengah jalan dan sebagian grafik perlu dibuat ulang. Perbaikannya terletak pada urutan kerja: tetapkan tugas dan pembacanya terlebih dahulu, lalu cocokkan kategori alat dengan tugas tersebut. Kesalahan kedua adalah menganggap grafik interaktif selalu lebih baik daripada grafik statis. Interaktivitas menambah biaya pembuatan dan pembacaan, sedangkan banyak laporan hanya membutuhkan satu pola yang terbaca sekilas, sehingga grafik statis sering kali merupakan keputusan yang lebih hemat.
Ringkasan#
- Alat visualisasi terbagi ke enam kelompok, yaitu pustaka fondasi, lapisan statistik, pustaka interaktif, gramatika grafis, pustaka web, dan alat BI.
- matplotlib menjadi fondasi kelompok Python, sehingga kemahiran pada pustaka ini langsung berguna pada seaborn, plotnine, dan pustaka lain di atasnya.
- Gramatika grafis berkembang dari Wilkinson ke ggplot2, plotnine, plotly express, dan Vega-Lite, sehingga satu mental model berlaku di banyak alat.
- Alat dipilih berdasarkan tugas pembaca dan bentuk laporannya, bukan berdasarkan popularitas.
Referensi#
- matplotlib: Visualization with Python — matplotlib — Dokumentasi resmi pustaka fondasi Python pada peta ini.
- seaborn: statistical data visualization — seaborn — Dokumentasi resmi lapisan statistik yang dibangun di atas matplotlib.
- Plotly Express in Python — Plotly — Dokumentasi resmi antarmuka bergaya gramatika pada plotly.
- plotnine documentation — plotnine — Dokumentasi resmi padanan ggplot2 untuk Python.
- ggplot2: Elegant Graphics for Data Analysis — Hadley Wickham — Buku resmi ggplot2 yang menjelaskan gramatika berlapis.
- Vega-Lite: A Grammar of Interactive Graphics — Vega — Spesifikasi gramatika deklaratif berbasis JSON untuk visualisasi web.
- D3.js — D3 — Dokumentasi resmi pustaka JavaScript untuk visualisasi web buatan khusus.
- What is Tableau? — Tableau — Penjelasan resmi kedudukan Tableau sebagai alat BI.
- What is Power BI? — Microsoft — Penjelasan resmi Power BI dan kedudukannya dalam lingkungan Microsoft.